MEMS-INS/GNSS超紧耦合的小型无人机定位定姿方法研究

针对小型无人机复杂工作环境下，载体高机动、恶劣天气扰动、地形干扰和遮挡等因素影响，研究利用成本低、体积小的微机电惯性导航系统(MEMS-INS)和全球导航卫星系统(GNSS)超紧耦合进行定位定姿技术，可提高导航系统定位定姿精度和可靠性。本项目对小型无人机MEMS-INS/GNSS超紧耦合定位定姿的关键问题进行分析，提出相关解决方法，并进行理论分析和测试验证。研究内容主要包括：采用两级联合深度辅助跟踪技术提高跟踪动态性、连续性，利用小波变换辅助快速正交搜索降噪与函数系数自回归模型结合解决MEMS惯性元件随机误差建模问题，采用粒子滤波与递归自进化区间Type-2模糊神经网络结合解决MEMS-INS误差预测问题，采用基于似然模糊评判的并行遗传粒子滤波算法解决非线性导航参数容错估计问题。该研究可为发展我国MEMS-INS/GNSS超紧耦合定位定姿技术提供基础，为小型无人机高性能导航提供有效手段。

本项目对小型无人机MEMS-INS/GNSS超紧耦合定位定姿的关键问题进行分析，提出相关解决方法，并对设计的方法和方案进行理论分析和测试验证。首先，对小型无人机MEMS-INS/GNSS超紧耦合定位定姿性能的影响机理进行分析，包括载体机动、恶劣天气带来的扰动、地形起伏干扰和遮挡，以及MEMS惯性元件误差、接收机晶振稳定性等，为提出有效的解决方案提供了依据。其次，提出MEMS-INS/GNSS超紧耦合两级联合深度辅助跟踪技术，采用超紧耦合两级分布式处理结构、组合估计和局部跟踪联合辅助跟踪策略和并行无轨迹滤波跟踪方法，提高了超紧耦合辅助跟踪的动态性、连续性和精度。再次，对MEMS-INS误差精确建模和预测技术进行研究，包括实时混合降噪方法、基于函数系数自回归(FAR)模型的随机误差建模方法，以及基于无轨迹卡尔曼滤波与递归自进化区间Type-2模糊神经网络的MEMS-INS误差预测方法，有效减小了MEMS-INS误差对超紧耦合定位定姿性能的影响，特别是当GNSS可见星不足时。最后，提出MEMS-INS/GNSS超紧耦合定位定姿非线性容错处理技术，采用MEMS-INS姿态辅助基线约束的整周模糊度解算方法改善了定姿性能，采用基于似然模糊评判的并行遗传粒子滤波定位定姿参数估计方法，实现了高精度高可靠的定位定姿参数估计。本项目研究的利用MEMS-INS/GNSS超紧耦合进行小型无人机定位定姿的相关技术，为卫星导航的产业化发展及小型无人机定位定姿的发展提供了理论依据，对于推动我国导航学科及低成本、小体积、高精度组合导航技术的发展具有重要的意义。